TL;DR: 用 Qwen3.5-9B（Q4_K）在單張 16GB AMD GPU 上跑本地 LLM-as-a-Verifier，每次 code comparison 約 0.5–2 秒，cache hit rate 66%，正確程式碼穩定給 1.0 分，有 bug 的給 0.0–0.14 分。16GB 跑 9B 模型綽綽有餘，還有空間跑其他服務。 這篇是實測續篇，前兩篇分別講了 架構設計 和 Docker 封裝 。前兩篇講的是「做什麼」跟「怎麼做」，這篇來量「到底多快」。 1. 測試環境 在一台 homelab Linux（CachyOS）上跑的： 項目 內容 GPU AMD 16GB（15.9 GiB）via ROCm 模型 Qwen3.5-9B（8.95B 參數，Q4_K ~5.7GB GGUF） 後端 llama.cpp（llama-server，ROCm HIP build） Verifier Docker container（llm-verifier），port 8010 模型 VRAM ~10.2 GB（模型本身 + 動態 KV cache） GPU 使用率 78% 系統 RAM 62 GB；使用 27 GB（swap 用了 9.3 GB） Context window 131,072 tokens MIN_SCORE 0.8 後端跑在另一台機器上，走 local Gigabit 網路連線。 2. Verifier 在幹嘛 docker-llm-as-a-verifier 包裝了 LLM-as-a-Verifier 這個研究套件，讀取 token-level log probability 來算連續分數，不是簡單的 yes/no 判斷。 Container 開了 7 個 HTTP endpoint： Endpoint Method 用途 /health GET 健康檢查 /v1/compare POST 兩組答案比對評分 /v1/select POST Best-of-N 選最佳 /v1/track POST Agent 軌跡分數追蹤 /v1/directed POST 導...
我在想，一台相機如果讓我拍過兩卷以上，除了原本純粹收集的初衷，可能也有合手的手感，讓我想拿來再多拍一卷。(有些則因為是借來的相機，拍過一卷就歸還了)
所以底下整理一下這兩年來所拍的五十卷中，同一台底片相機有拍攝兩卷以上 (含兩卷) 並且有整理成文章的相機底片集。之後也會再繼續更新。
拍底片很貴嗎？請參考這篇：底片的成本
雙眼反光鏡相機》
單眼反光鏡相機》
輕便相機》
黑白手沖記事》
第一次黑白自沖雜記 (First Black & White Film Development)黑白手沖教學影片，兼分享我的黑白手沖經驗
黑白手沖成品》
[底片集] Olympus ECR 第一卷，黑白自沖處女作[底片集] 第二次自己沖，Pentax ME 第一卷
[底片集] 黑白手沖．Kodak TMY．Minolta Hi-matic AF 第二卷
[底片集] 黑白手沖．Kodak Double-X 5222．Olympus OM-2 卷二
[底片集] 選舉．Nikon L35 AF 卷三．Kodak Double-X 5222
[底片集] 實驗．Minolta Hi-matic AF 第四卷．彩負黑白沖
[底片集] Minolta XE 第五卷
[底片集] 隔了快一年才沖的片．Olympus OM-1N 唯一卷
[底片集] Minolta XD 卷七．AGFA APX 100
[底片集] 也是去年拍的今年沖．Contax NX 卷九
[底片集] 送別．Konica Autoreflex T2 卷三四六七
留言
張貼留言
回應不用錢，請多多益善！懶得寫字按個讚也是相當感謝！